mindspore.mint.unique

mindspore.mint.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None)

对输入Tensor中元素去重。

在 return_inverse=True 时，会返回一个索引Tensor，包含输入Tensor中的元素在输出Tensor中的索引； 在 return_counts=True 时，会返回一个Tensor，表示输出元素在输入中的个数。

参数：

• input (Tensor) - 输入Tensor。

• sorted (bool) - 输出是否需要进行升序排序。默认值： True 。

• return_inverse (bool) - 是否输出 input 在 output 上对应的index。默认值： False 。

• return_counts (bool) - 是否输出 output 中元素的数量。默认值： False 。

• dim (int) - 做去重操作的维度，当设置为 None 的时候，对展开的输入做去重操作, 否则，将给定维度的Tensor视为一个元素去做去重操作。默认值：None 。

返回：

输出为一个Tensor，或者以下一个或几个Tensor的集合：（output，inverse_indeices，counts）

• output (Tensor) - 与 input 数据类型相同的Tensor，包含 input 中去重后的元素。

• inverse_indeices (Tensor) - 当 return_inverse=True 时返回，表示输入Tensor中的元素在输出Tensor中的索引。当 dim=None 时，shape和 input 一样；当 dim 有值的时候，shape是input.shape[dim]。

• counts (Tensor) - 当 return_counts=True 时返回，表示输出Tensor中元素在输入Tensor中的数量。当 dim=None 时，shape和 output 一样；当 dim 有值的时候，shape是output.shape[dim]。

异常：

• TypeError - input 不是Tensor。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> from mindspore import mint
>>> x = Tensor(np.array([1, 2, 5, 2]), mindspore.int32)
>>> output = mint.unique(x, return_inverse=True)
>>> print(output)
(Tensor(shape=[3], dtype=Int32, value= [1, 2, 5]), Tensor(shape=[4], dtype=Int64, value= [0, 1, 2, 1]))
>>> y = output[0]
>>> print(y)
[1 2 5]
>>> idx = output[1]
>>> print(idx)
[0 1 2 1]